1 / 26

Experimentación Numérica

Experimentación Numérica. Presentado por: Global Business Solutions. G. B. S. AGENDA. Objetivos Soluciones: Algoritmos Hipótesis Resultados Conclusiones. OBJETIVO.

mariko-ryan
Download Presentation

Experimentación Numérica

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. ExperimentaciónNumérica Presentado por: Global Business Solutions G B S

  2. AGENDA • Objetivos • Soluciones: Algoritmos • Hipótesis • Resultados • Conclusiones

  3. OBJETIVO • Analizar los diferentes proyectos de inversión Agrícola teniendo en cuenta las variables involucradas, para de esa manera, seleccionar los proyectos adecuados para formar parte de la cartera de Inversión para cierta empresa del rubro Agrícola.

  4. Función Objetivo Donde: r: Tasa de interés Pe: Probabilidad de Erosión Pl: Probabilidad de Plaga

  5. Matriz Producto-Región Natural

  6. SOLUCIONES • Lista de Algoritmos • Algoritmo A: Grasp • Algoritmo B: Voraz

  7. HIPÓTESIS (Primera Hipótesis) Ho: El tiempo de procesamiento que emplea el algoritmo A es igual al del algoritmo B. Ha: El tiempo de procesamiento que emplea el algoritmo A es diferente al del algoritmo B. Se asume que: • u1: media del tiempo de ejecución que se obtiene del algoritmo A. • u2: media del tiempo de ejecución que se obtiene del algoritmo B. Ho: u1 = u2 Ha: u1 ≠ u2

  8. Pre - condición • Datos de entrada del algoritmo: • Lista de Proyectos a ser evaluados y luegoseleccionados. • Datos del experimento: • Para realizar los experimentos, se ha analizado los valores para una población N de: N = 100 proyectos N = 150 proyectos N = 200 proyectos

  9. Experimentación Numérica • Pruebas estadísticas (comparación de dos medias). • El estadístico de prueba con : grados de libertad = n1+n2-2 está dado por To: • R.C={ To < -t1-α/2, n1+n2-2 o To > t1-α/2, n1+n2-2} Prueba bilateral (Para HA: u1≠ u2 se rechaza si |To| > Tα/2)

  10. Experimentación Numérica

  11. Resultados

  12. Resultados

  13. Resultados

  14. Resultados Para 100 proyectos Para 150 proyectos Para 200 proyectos

  15. Resultados Para 100 Proyectos • Según tabla T-Student (α=0.05) • To = 3,45331791313081

  16. Resultados Para 150 Proyectos • Según tabla T-Student (α=0.05) • To = 2,8284880028044

  17. Resultados Para 200 Proyectos • Según tabla T-Student (α=0.05) • To = 2,50561139204087

  18. Segunda Hipótesis Ho: El valor de suma de VAE del algoritmo A es igual al del algoritmo B. Ha: El valor de suma de VAE del algoritmo A es menor al del algoritmo B. • u1: media de los valores de VAE que se obtiene del algoritmo A. • u2: media de los valores de VAE que se obtiene del algoritmo B. Ho: u1 = u2 Ha: u1 < u2

  19. Pre - condición • Datos de entrada del algoritmo: • Lista de Proyectos a ser evaluados y luegoseleccionados. • Datos del experimento: • Para realizar los experimentos, se ha analizado los valores para una población N igual a 1510

  20. Experimentación Numérica • Pruebas estadísticas (comparación de dos medias). • El estadístico de prueba con : grados de libertad = n1+n2-2 está dado por To: • R.C={ To < -t1-α/2, n1+n2-2 o To > t1-α/2, n1+n2-2} Prueba bilateral (Para HA: u1≠ u2 se rechaza si |To| > Tα/2)

  21. Experimentación Numérica

  22. Resultados

  23. Resultados • Según tabla T-Student (α=0.05) • To = 4,77678355054116

  24. Conclusiones • Con un 95% de confianza se afirma que: •  A pesar de que el algoritmo Voraz tiene un tiempo de respuesta menor a la del algoritmo GRASP, esta diferencia se presenta en milisegundos, y se puede considerar como poco significante. • Un indicador como el VAE nos recomienda decidirnos por el algoritmo GRASP pues mediante su ejecución podemos obtener un VAE mayor, lo que nos indica que generará mayor rentabilidad por todos los proyectos seleccionados sin importar el periodo de duración de cada uno de ellos.

  25. Resultados Mejor Algoritmo

  26. GRACIAS

More Related